Cette séance de cours présente les machines vectorielles de support (SVM) comme une méthode pour trouver un hyperplan qui sépare deux classes avec une marge maximale. Il couvre l'histoire de la SVM, la séparabilité linéaire, les hyperplans et le concept de vecteurs de support. La séance de cours explique la motivation derrière SVM, la minimisation du risque empirique, et l'importance de maximiser la marge de l'hyperplan de séparation. Il traite également du concept de vecteurs de support et de la zone d'indécision dans la MVS.